前言¶
A股打新有个常见问题：招股书动辄几百页，读完之后留下的是一堆信息堆砌，而不是一个明确的申购决定。DeepGarden 新股研究要解决的就是这件事——它不承诺让你看懂全部招股书，而是用一套固定的五维度框架，把你带到一个可以下判断的位置。
下面介绍这个 Skill 的定位、功能、用法和适用边界。
这是什么¶
DeepGarden 新股研究是一个面向 A 股新股/公司深度研究的 Skill，坐标 @user_159a690e/deepgarden-ipo-research，版本 1.0.2，由社区发布者 user_159a690e 维护，来源 community，分类 professional。
它把一套「五维度立体评估体系」固化成研究流程：市场前景、竞争格局、经营特征、财务特征、企业素质。每个维度配一套核心问题清单作为研究指引，逐层扫描之后输出评分卡、风险提示和申购建议。最终产物是一份带评分卡与免责声明的 Obsidian 笔记。
它属于 DeepGarden 投资研究系列，同系列还有 deepgarden-earnings-tracking（定期财报跟踪）和 deepgarden-report-deep-read（公司研报精读）。三者可单独安装、按需组合，理论上能形成「申购前研究 → 上市后业绩跟踪 → 研报独立复核」的闭环。
核心功能¶
五维度立体评估。 五个维度分别是市场前景、竞争格局、经营特征、财务特征、企业素质，从行业空间到管理层基因逐层扫描。每个维度都配一套核心问题清单，用来约束研究路径，而不是泛泛扫一遍。
结构化评分卡。 每个维度给 1–10 评分，附确定性等级（高/中/低）和一句话结论，并强制标注 ⚠️ 风险信号。这个设计的用意是避免空泛定性——判断必须有分、有等级、有风险标注。
数据可溯源。 数据优先级是：招股书（巨潮资讯）、年报财务附注，叠加金融数据 skill（如 westockdata、a-stock-data 等）、企查查工商核查、WebSearch 补充舆情。要求结论有数据支撑，而不是叙事推导。
输出即决策。 最终给出可比公司估值、申购建议（积极 / 谨慎 / 放弃）与关键假设置信区间。产出是带评分卡与免责声明的 Obsidian 笔记。
安装与启用¶
官方页面：https://api.skillhub.cn/user_159a690e/deepgarden-ipo-research
SkillHub 页面：https://www.skillhub.cn/skills/user_159a690e/deepgarden-ipo-research
需要说明：本次抓取的官方资料中没有列出安装命令、安装目录或配置字段，因此不在这里给出推测的安装步骤。安装方式请以官方页面为准。资料中标注 requires_api_key=false，意味着使用这个 Skill 本身不需要 API Key。
启用方式在资料中有明确说明：在对话里说「用 DeepGarden 新股研究 框架，分析 <股票名称/代码>」即可。Skill 支持从金融数据工具自动拉取招股书摘要与财务数据。
典型用法¶
一个可复现的调用方式是直接在对话中输入：
用 DeepGarden 新股研究 框架，分析 <股票名称或代码>
流程大致是：
1、Skill 接收股票名称或代码，从金融数据工具拉取招股书摘要与财务数据。
2、按五个维度逐项评估，每个维度走核心问题清单，产出评分、确定性等级、一句话结论和 ⚠️ 风险信号。
3、汇总成评分卡，给出可比公司估值与申购建议（积极 / 谨慎 / 放弃），标注关键假设置信区间。
4、输出 Obsidian 笔记，附免责声明。
适用场景与注意¶
适合参与 A 股打新、想在新股申购前做独立基本面研究的投资者，也适合不想被发行方叙事带偏、希望用同一套框架横向比较不同新股的人。
几个需要留意的点：
- 这个 Skill 的价值取决于上游数据质量。招股书和年报是主数据源，金融数据 skill、企查查、WebSearch 是补充，数据冲突时以招股书为准。
- 申购建议（积极 / 谨慎 / 放弃）是研究结论，不是收益承诺。笔记中的免责声明不是装饰。
- 五维度框架本身是定性偏多的评估结构，评分 1–10 和确定性等级用来约束主观性，但不消除主观性。
- 系列内另外两个 Skill 分别负责上市后的财报跟踪和研报复核，需要单独安装，不在本 Skill 范围内。
结尾¶
DeepGarden 新股研究的价值不在于把招股书讲得更全，而在于用同一套框架把判断做出来，并且让判断可追溯、可比较。如果你已经在做 A 股打新的基本面研究，它是一套可以直接复用的评估骨架。
官方地址：https://api.skillhub.cn/user_159a690e/deepgarden-ipo-research
